หาก "Box Plot" บอกเราถึงค่าทางสถิติสรุป และ "Histogram" บอกเราถึงรูปทรงการกระจายตัว "Violin Plot" ก็คือการนำกราฟทั้งสองชนิดนี้มารวมกัน ทำให้เราสามารถเปรียบเทียบการกระจายตัวของข้อมูลแต่ละชุดได้อย่างละเอียดและสวยงามในภาพเดียว

เราเคยรู้จัก Scatter Plot ที่ใช้แสดงความสัมพันธ์ระหว่างข้อมูล 2 ชุดด้วย "จุด" จำนวนมาก แต่จะเกิดอะไรขึ้นถ้าเรามีข้อมูลเป็นหมื่นเป็นแสนจุด? ปัญหาที่ตามมาคือ "จุดทับซ้อนกัน" (Overplotting) จนกลายเป็นก้อนหมึกดำๆ ที่มองไม่เห็นอะไรเลย

เราได้รู้จักกับ Radar Chart ที่ใช้เปรียบเทียบข้อมูลหลายมิติในรูปแบบวงกลมไปแล้ว แต่ถ้าหากเรามี "จำนวนมิติ" หรือ "ตัวแปร" ที่ต้องการเปรียบเทียบเยอะมากๆ ล่ะ? "Parallel Coordinates Plot" (PCP) คือคำตอบสำหรับโจทย์ที่ซับซ้อนนี้

หาก "Area Chart" คือกราฟพื้นที่ที่วางซ้อนกันบนแกน X "Streamgraph" ก็เปรียบเสมือน Area Chart ที่ถูกจัดเรียงใหม่ให้ลอยอยู่รอบแกนกลาง ทำให้มีรูปร่างเหมือน "สายธาร" หรือ "แม่น้ำ" ที่มีความกว้างแคบแตกต่างกันไปตามกาลเวลา

"ลูกค้าที่ซื้อสินค้า A มักจะซื้อสินค้า B ด้วยหรือไม่?" "พาร์ทเนอร์ขนส่งรายไหนที่วิ่งทั้งเส้นทางภาคเหนือและภาคอีสาน?" คำถามที่เกี่ยวกับการค้นหา "ความสัมพันธ์ที่คาบเกี่ยวกัน" ระหว่างข้อมูลคนละชุด คือสถานการณ์ที่ "แผนภาพเวนน์" (Venn Diagram) จะเข้ามาแสดงความสามารถได้ดีที่สุด

บทความนี้คือคู่มือ Step-by-Step ที่จะสอนให้คุณเปลี่ยนข้อมูลการขายธรรมดาๆ ให้กลายเป็นกราฟสรุปผลแบบมืออาชีพ

หลังจากจบแคมเปญ 9.9 คุณอาจอยากรู้ว่า "ยอดขายรวม" (Total Sales) ตลอดทั้งวันเป็นอย่างไร และในขณะเดียวกันก็อยากเปรียบเทียบกับ "จำนวนออเดอร์" (Number of Orders) ที่เข้ามาในแต่ละชั่วโมงด้วย แต่ข้อมูลสองชุดนี้มีหน่วยและสเกลที่แตกต่างกัน (บาท vs. รายการ) จะแสดงผลในกราฟเดียวได้อย่างไร?

เคยไหมครับที่อยากจะเห็นภาพรวมว่าวันไหนในตลอดทั้งปีที่ผ่านมาที่มียอดขายสูงสุด หรือวันไหนที่แทบไม่มีออเดอร์เลย? การจะดูข้อมูลเหล่านี้จากกราฟเส้นที่ยาวต่อเนื่องกันอาจทำให้มองเห็นภาพรวมได้ยาก

เราได้รู้จักกราฟเส้น (Line Chart) ที่ใช้วิเคราะห์แนวโน้มตามเวลาไปแล้ว แต่ถ้าข้อมูลของคุณมีลักษณะเกิดขึ้นซ้ำๆ เป็น "วัฏจักร" หรือ "ฤดูกาล" เช่น ยอดขายรายเดือนตลอดหลายปี หรือจำนวนผู้เข้าชมเว็บไซต์ในแต่ละชั่วโมงของวัน การใช้กราฟเส้นธรรมดาอาจทำให้เปรียบเทียบแต่ละรอบเวลาได้ยาก

เราเคยรู้จักกับ Treemap ที่ใช้แสดงข้อมูลลำดับชั้นในรูปแบบสี่เหลี่ยมกันไปแล้ว แต่ถ้าคุณอยากจะนำเสนอข้อมูลแบบเดียวกันในรูปแบบวงกลมที่สวยงามและดึงดูดสายตาล่ะ? ขอแนะนำให้รู้จักกับ "Sunburst Chart" หรือที่หลายคนเรียกว่า "กราฟโดนัทหลายชั้น" (Multi-level Pie Chart)

หลังจบแคมเปญ 9.9 เราอาจรู้ว่าลูกค้าจากภาคเหนือซื้อ "เสื้อผ้า" เยอะที่สุด และลูกค้าจากภาคอีสานซื้อ "เครื่องสำอาง" เยอะที่สุด... แต่เราจะรู้ได้อย่างไรว่า ลูกค้ากลุ่มที่ซื้อเสื้อผ้า ยังซื้อเครื่องสำอางควบคู่ไปด้วยเป็นจำนวนเท่าไหร่?

เราเคยรู้จัก Scatter Plot ที่ใช้หาความสัมพันธ์ระหว่างข้อมูล 2 แกน (X และ Y) กันไปแล้ว... แต่ถ้าเราอยากจะเพิ่ม "มิติที่ 3" เข้าไปในการวิเคราะห์ด้วยล่ะ? เช่น นอกจากจะดู "จำนวนออเดอร์" กับ "กำไร" แล้ว อยากจะดู "ยอดขายรวม" ไปพร้อมๆ กันในกราฟเดียว

วันนี้คือวันมหกรรมเซลล์ 9.9! ออเดอร์มหาศาลกำลังหลั่งไหลจากทั่วประเทศ... เคยสงสัยไหมครับว่าสินค้าของคุณเดินทางจากคลังของเราไปยังลูกค้าที่เชียงใหม่, ภูเก็ต, หรือขอนแก่น ผ่านเส้นทางและจุดเชื่อมต่อไหนบ้าง? การจะมองเห็นภาพ "เว็บ" ของการเชื่อมต่อที่ซับซ้อนนี้ คือหน้าที่ของ "แผนภาพเครือข่าย" หรือ Network Diagram

เราอาจจะคุ้นเคยกับ "กราฟเกจวัด" (Gauge Chart) ที่หน้าตาเหมือนหน้าปัดรถยนต์ในการบอก Performance... แต่ถ้าคุณมี KPI ที่ต้องติดตามเยอะๆ และมีพื้นที่บน Dashboard จำกัดล่ะ? การใส่ Gauge Chart หลายๆ อันอาจทำให้ Dashboard ของคุณดูรกและแน่นเกินไป

จะเปิดตัวสินค้าใหม่ในแคมเปญ ต้องเตรียมอะไรบ้าง? สินค้าจะมาถึงคลังเมื่อไหร่? ต้องใช้เวลาแพ็กนานแค่ไหน? แล้วต้องเริ่มส่งออกจากคลังวันไหนถึงจะทัน? คำถามเหล่านี้คือความท้าทายในการวางแผนที่ทุกธุรกิจต้องเจอ และเครื่องมือที่จะเข้ามาช่วยจัดการไทม์ไลน์ที่ซับซ้อนนี้ก็คือ "Gantt Chart"

จะเปรียบเทียบผู้ให้บริการขนส่ง 2 เจ้าได้อย่างไร ถ้าเราไม่ได้มองแค่ "ราคา" แต่มองทั้ง "ความเร็ว", "ความแม่นยำ", "คุณภาพบริการ", และ "เทคโนโลยี" ไปพร้อมๆ กัน? การใช้กราฟแท่งหลายๆ อันอาจทำให้สับสน แต่ Radar Chart ถูกออกแบบมาเพื่อตอบโจทย์การเปรียบเทียบที่ซับซ้อนเช่นนี้โดยเฉพาะ

เคยสงสัยไหมครับว่าสินค้า 100 ชิ้นที่รับเข้ามาในคลัง ถูกกระจายออกไปหาลูกค้ากลุ่มไหน ผ่านช่องทางใด และถูกตีกลับมาเป็นจำนวนเท่าไหร่? การจะแสดงภาพความสัมพันธ์ที่ซับซ้อนเช่นนี้ด้วยกราฟธรรมดาอาจทำได้ยาก แต่ "Sankey Diagram" หรือ "แผนภาพสายธาร" ถูกสร้างขึ้นมาเพื่อตอบโจทย์นี้โดยเฉพาะ

เคยสงสัยไหมครับว่า... ยอดขายก็ดี แต่ทำไมสุดท้ายแล้วกำไรเหลือนิดเดียว? เงินหายไปตรงไหนในกระบวนการ? คำถามเหล่านี้คือสิ่งที่เจ้าของธุรกิจทุกคนอยากรู้ และ "กราฟน้ำตก" (Waterfall Chart) คือเครื่องมือ Data Visualization ที่ถูกออกแบบมาเพื่อตอบคำถามนี้โดยเฉพาะ

เราได้รู้จักกราฟหลายชนิดที่ช่วยให้เห็นภาพรวมของข้อมูลไปแล้ว แต่ถ้าคำถามของเราลึกไปกว่านั้น เช่น "เวลาจัดส่งของพาร์ทเนอร์ขนส่งแต่ละเจ้ามีความสม่ำเสมอแค่ไหน?" หรือ "สินค้าตัวไหนมีขนาดออเดอร์ที่ผันผวนมากที่สุด?" นี่คือจุดที่ "กราฟกล่อง" หรือ Box Plot (Box and Whisker Plot) จะเข้ามาตอบโจทย์

ลองนึกภาพหน้าปัดรถยนต์ที่แสดงความเร็ว หรือมาตรวัดน้ำมันเชื้อเพลิง นั่นแหละคือแนวคิดของ "กราฟเกจวัด" (Gauge Chart) กราฟประเภทนี้ไม่ได้ถูกสร้างมาเพื่อแสดงแนวโน้มหรือเปรียบเทียบข้อมูลจำนวนมาก แต่มีวัตถุประสงค์ที่ชัดเจนเพียงอย่างเดียวคือ เพื่อแสดง "สถานะปัจจุบัน" ของตัวชี้วัด (KPI) เพียงตัวเดียว เทียบกับ "เป้าหมาย" (Target) ที่ตั้งไว้

ในยุคที่ข้อมูลคือขุมทรัพย์ การมีเครื่องมือที่ช่วยให้เรา "เห็น" ข้อมูลที่ซับซ้อนได้อย่างรวดเร็วคือความได้เปรียบอย่างมหาศาล "ฮีทแมพ (Heat Map)" คือหนึ่งในเครื่องมือแสดงผลบน Dashboard ที่ทรงพลังที่สุด มันสามารถเปลี่ยนตารางตัวเลขที่น่าเบื่อให้กลายเป็นภาพที่เต็มไปด้วยข้อมูลเชิงลึก ช่วยให้ธุรกิจขนส่งและโลจิสติกส์ตัดสินใจได้อย่างเฉียบคม วันนี้เราจะมาเจาะลึกข้อดี-ข้อเสียของเครื่องมือชิ้นนี้กัน

หลายคนอาจมองว่า "ฮิสโทแกรม" หน้าตาคล้ายกับ "กราฟแท่ง" (Bar Chart) แต่ในความเป็นจริงแล้ว ทั้งสองมีวัตถุประสงค์และการใช้งานที่แตกต่างกันอย่างสิ้นเชิง กราฟแท่งใช้เปรียบเทียบหมวดหมู่ แต่ "ฮิสโทแกรม" ใช้เพื่อทำความเข้าใจ "การกระจายตัว" (Distribution) ของข้อมูลตัวเลขชุดเดียว

เคยสงสัยไหมครับว่าในกระบวนการจัดการออเดอร์ตั้งแต่รับคำสั่งซื้อจนถึงส่งของ มีขั้นตอนไหนที่ทำให้งานช้าลงหรือมีปัญหามากที่สุด? หรือในกระบวนการขาย มีลูกค้าจำนวนมากที่สนใจสินค้าแต่หายไประหว่างทางก่อนจะชำระเงินสำเร็จ?

หาก "กราฟเส้น" (Line Chart) คือเครื่องมือที่ดีที่สุดในการมองเห็น "แนวโน้ม" แล้วถ้าเราอยากเห็น "ปริมาณสะสม" ของแนวโน้มนั้นด้วยล่ะ? นี่คือจุดที่ "กราฟพื้นที่" หรือ Area Chart เข้ามามีบทบาทสำคัญ

หลังจากที่เราได้รู้จักกับกราฟแท่งแบบธรรมดาที่เน้นการเปรียบเทียบค่ารวมของแต่ละหมวดหมู่ไปแล้ว คราวนี้เรามาดูกันว่า "กราฟแท่งแบบซ้อน" (Stacked Bar Chart) จะเพิ่มความสามารถในการวิเคราะห์ข้อมูลให้กับเราได้อย่างไร